在图像生成式人工智能领域，谷歌的表现并不理想。
今年2月，谷歌AI聊天机器人Gemini内置的图像生成器因随机注入性别和种族多样性，导致生成了包含纳粹分子等具有冒犯性的错误图像。随后谷歌撤回了该工具并承诺改进。
在等待Gemini图像生成器回归之际，谷歌推出了增强版图像生成工具Imagen 2，并将其集成至Vertex AI开发者平台。尽管定位更偏向企业级，但其功能值得关注。
Imagen 2：从静态图像到动态视频
Imagen 2模型家族于2023年5月预览、12月正式发布，支持根据文本提示创建和编辑图像，类似DALL-E和Midjourney。针对企业用户，它还能以多种语言渲染文本、徽章和标志，并可叠加至名片、服装等产品上。
谷歌推出支持文本和徽标生成的Imagen 2
目前Vertex AI已全面开放Imagen 2的图像编辑功能，新增局部重绘（inpainting）和扩展绘制（outpainting），可用于移除画面元素、添加新组件或扩展视野。
此次升级的核心在于“文生动态图像”功能。Imagen 2可根据文本提示生成最长4秒的视频，对标Runway、Pika等工具。作为营销与创意工具，它特别适合生成自然、食物、动物等主题的广告GIF。
谷歌表示，动态图像能捕捉多种相机角度与运动并保持序列一致性，但目前分辨率仅为360×640像素，未来有望提升。
安全机制与版权争议
为防范深度伪造风险，Imagen 2采用DeepMind开发的SynthID技术，在动态图像中嵌入不可见加密水印。谷歌称其抗压缩、滤镜及色调调整，但检测工具仅限内部使用，不向第三方开放。
为避免重蹈覆辙，谷歌强调动态图像生成经过严格安全过滤。发言人表示，Vertex AI中的Imagen 2未出现Gemini类似问题，且仍在持续测试与客户沟通中。
竞争力存疑：技术优势尚不明显
即便假设水印与过滤机制有效，动态图像的竞争力仍显不足。相比之下，Runway可生成18秒高清视频；Stability AI的Stable Video Diffusion帧率可调性更强；OpenAI的Sora虽未商用，但逼真度已领先业界。
谷歌自身拥有Imagen Video、Phenaki等先进技术，后者甚至能将长提示词转化为两分钟以上视频片段，尽管画质与连贯性仍有局限。当前产品更像是过渡方案，令人期待其“黑灯工厂”中是否还有更惊艳的成果。
训练数据透明度与法律风险
Imagen 2主要基于公开网络数据训练，包括博客、媒体转录文本和公共论坛，但具体来源未披露。谷歌允许网站管理员通过robots.txt阻止抓取，但未提供创作者退出机制或补偿方案，这与OpenAI、Adobe等竞争对手的做法形成对比。
值得注意的是，“文生动态图像”目前处于预览阶段，不在谷歌生成式AI赔偿政策覆盖范围内。该政策仅保障GA阶段产品的版权索赔风险，意味着用户需自行承担潜在法律责任。
此外，复读现象——即模型输出训练数据中的精确副本——仍是企业客户担忧的重点。研究表明初代Imagen在特定提示下可能重现受版权保护的人物照片或艺术作品。除非发生重大问题，否则该功能将在未来进入GA阶段，但现阶段使用仍需审慎评估风险。